使用Xarray结合UKCP18计算BIOCLIM变量的多变量索引问题

你之前操作失效的核心原因：.min(dim='time')只会返回时间维度上的气温最小值，会直接压缩掉时间维度，不会保留最小值对应的时间位置，自然无法关联对应时段的降水数据。

实现逻辑 #

整个流程不需要手动写循环、也不需要复杂的where匹配，用xarray原生的维度索引方法就能完成，步骤如下：

• 首先修正你现有滑动计算的错误：识别最冷季度用的是3个月平均气温的最低值，不是3个月累计气温的最低值，你原代码对tas做rolling.sum()不符合计算规范，需要改成滑动平均。
• 分别计算两个变量的3个月中心滑动结果：tas算滑动平均用来定位最冷季度，pr算滑动和用来提取最终降水值。
• 用argmin替代min，获取每个格点上气温最低的3个月窗口对应的时间维度位置索引，这个索引不会压缩掉空间维度，能直接跨变量匹配。
• 用拿到的时间索引从降水滑动和结果里取值，得到的就是每个格点最冷季度的总降水量，即Bio19。

可直接运行的代码 #

# 初始化3个月中心滑动窗口
ds_rolling = ds_monthly.rolling(time=3, center=True)

# 分别计算两个变量的滑动结果：气温用平均，降水用累计
tas_3m_avg = ds_rolling.tas.mean().dropna('time')
pr_3m_total = ds_rolling.pr.sum().dropna('time')

# 提取每个格点最冷季度对应的时间位置索引
coldest_q_idx = tas_3m_avg.argmin(dim='time', skipna=True)

# 按索引提取对应季度的降水总量，即为Bio19
bio19 = pr_3m_total.isel(time=coldest_q_idx)

补充说明 #

• 如果你用的是单年或者多年平均的月尺度气候态数据，上述代码运行后得到的bio19就是只保留空间维度的最终结果，和公开生物气候数据集的Bio19结构完全一致。
• 如果你需要逐年计算Bio19，先给数据集添加year坐标，按year分组后再执行上述滑动和索引流程即可，避免跨年份的滑动窗口把不同年份的月份混算。
• 如果你需要同时拿到最冷季度的平均气温（即Bio11），直接用tas_3m_avg.isel(time=coldest_q_idx)就能得到，不需要重复计算。

内容的提问来源于stack exchange，提问作者Kieran Sam Bajpai